The application relates to an image processing method, device, computer equipment and storage medium. The method includes: input the original image into the neural network model to obtain the model position of each pixel of the human body image in the original image; acquire the pixel value corresponding to each pixel from the preset human body model according to the model position of each pixel; and use the image corresponding to each pixel point. Prime values render the human body image and get image processing results. By extracting and learning the features of the original image, the model position of the pixels in the original image can be obtained, and then the pixel value of the preset human model can be assigned to the corresponding pixels in the original image, which can map the effect of the preset human model to the original image. On the human body image. Therefore, this method can be used as the basis for the replacement and local refinement of human body image in the original image.
【技术实现步骤摘要】
图像处理方法、装置、计算机设备和存储介质
本申请涉及计算机视觉
,特别是涉及一种图像处理方法、装置、计算机设备和存储介质。
技术介绍
随着计算机视觉技术的发展,通过神经网络模型的已经可以实现图像中目标物体的识别,该方法被广泛用于人机互动
但是随着网络互动平台的出现,仅仅识别出图像中的目标物体已不能满足人们通过网络互动平台进行多样化的互动需求。
技术实现思路
基于此,有必要针对上述技术问题,提供一种能够增加人们通过网络互动平台互动多样性的图像处理方法、装置、计算机设备和存储介质。第一方面,本申请实施例提供一种图像处理方法,包括如下步骤:将原始图像输入神经网络模型,得到所述原始图像中人体图像的每一像素点的模型位置;根据所述每一像素点的模型位置,从预设人体模型上获取与所述每一像素点对应的像素值;使用所述每一像素点对应的像素值渲染所述人体图像,得到图像处理结果。在其中一个实施例中,所述将原始图像输入神经网络模型,得到所述原始图像中人体图像的每一像素点的模型位置的步骤包括:获取原始图像中的多个候选区域;提取所述多个候选区域中每一候选区域的特征值,并根据所述每一候选区域的特征值得到多个人体候选区域;对得到的所述多个人体候选区域进行池化处理,得到多个人体特征向量;将所述多个人体特征向量输入人体坐标位置回归神经网络,得到所述人体图像的每一像素点的模型位置。在其中一个实施例中,所述获取原始图像中的多个候选区域的步骤包括:对所述原始图像进行卷积操作,得到原始图像的特征值图;对所述特征值图中特征值进行分类,得到所述原始图像中的多个候选区域。在其中一个实施例中,根据所述 ...
【技术保护点】
1.一种图像处理方法,其特征在于,包括如下步骤:将原始图像输入神经网络模型,得到所述原始图像中人体图像的每一像素点的模型位置;根据所述每一像素点的模型位置,从预设人体模型上获取与所述每一像素点对应的像素值;使用所述每一像素点对应的像素值渲染所述人体图像,得到图像处理结果。
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括如下步骤:将原始图像输入神经网络模型,得到所述原始图像中人体图像的每一像素点的模型位置;根据所述每一像素点的模型位置,从预设人体模型上获取与所述每一像素点对应的像素值;使用所述每一像素点对应的像素值渲染所述人体图像,得到图像处理结果。2.根据权利要求1所述的方法,其特征在于,所述将原始图像输入神经网络模型,得到所述原始图像中人体图像的每一像素点的模型位置的步骤包括:获取原始图像中的多个候选区域;提取所述多个候选区域中每一候选区域的特征值,并根据所述每一候选区域的特征值得到多个人体候选区域;对所述多个人体候选区域进行池化处理,得到多个人体特征向量;将所述多个人体特征向量输入人体坐标位置回归神经网络,得到所述每一像素点的模型位置。3.根据权利要求2所述的方法,其特征在于,所述获取原始图像中的多个候选区域的步骤包括:对所述原始图像进行卷积操作,得到原始图像的特征值图;对所述特征值图中特征值进行分类,得到所述原始图像中的多个候选区域。4.根据权利要求2所述的方法,其特征在于,根据所述每一候选区域的特征值得到多个人体候选区域的步骤包括:将所述每一候选区域中的特征值输入人体分类神经网络,得到包含人体的候选区域;将所述每一候选区域中的特征值输入最小外界矩形框坐标回归神经网络,对所述每一候选区域的边框进行调整,得到最终候选区域;使用所述包含人体的候选区域筛选所述最终候选区域,得到包含人体的最终候选区域;将人体面积比例大于预设阈值的包含人体的最终候选区域作为人体候选区域。5.根据权利要求2所述的方法,其特征在于,所述方法还包括:将得到的所述多个人体特征向量输入人体语义分割任务神经网络,得到所述人体图像的人体语义分割结果;使用所述人体语义分割结果,对所述每一像素点的模型位置进行调整,得到所述每一像素点最终的模型位置。6.根据权利要求2所述的方法,其特征在于,所述方法还包括:将得到的所述多个人体特征向量输入骨骼关节点回归任务神经网络,得到所述人体图像中骨骼关节点的模型位置;使用所述骨骼关节点的模型位置,对所述每一像素点的模型位置进行调整,得到所述每一像素点最终的模型位置。7.根据权利要求1-6任一项所述的方法,其特征在于,在所述将原始图像输入神经网...
【专利技术属性】
技术研发人员:蒋宇东,
申请(专利权)人:北京字节跳动网络技术有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。